Pharamcometrics (계량약리학)

제목을 거하게썼지만 간단히 introduction느낌으로 설명을 해보고자 합니다.

pharmacometics는 quantitive phramacology라고도 불리며 

약물의 용량, 농도, 효과, biomarker간의 quantative relationship을 연구하는 학문입니다.

 

현재 챗GPT등 AI와 머신러닝이 많이 인기를 끌고 있습니다.

제약업계에서도 리드와 히트를 찾는데 머신러닝을 사용하기도 하고,

EMR의 빅데이터를 사용해 환자를 미래 상황을 예측을 하기도 하죠.

 

계량약리의 분야는 이와 비슷하다 보시면 됩니다.

데이터를 수학적이고 통계학적 관점을 기반으로 생리학적이거나 생물학적, 임상적인 관점으로 접근이 필요한 분야로,

특정한 PK/PD modeling simulation을 바탕으로 약리학적 특성을 예측하는 prediction algorithm입니다.

 

 

PK가 뭔지, PD가 무엇인지 설명하기에 엎서 생소한 modeling과 simulation에 대하여 잠깐 설명을 드리겠습니다.

먼저 modeling은 얻은 time-serial data를 가지고 수학적인 수식 중 가장 잘 맞는 수식을 찾아내는 과정입니다.

 

예시로는 그래프를 보면 좋겠네요.

여기서 그래프 속 점들은 개별 sampling의 데이터이고 그래프를 나타내는 수식은 이와 같습니다.

 

$$C = C_{0} exp(-K_{e}t)$$

 

 

이 모델은 환자내차이(error)와 환자간의 차이(omega)를 고려하게 되며,

최종화된 모델 base로 simulation을 해 볼 수 있습니다.

 

경구투여 환자 데이터로 모델을 만들었지만 만약 정맥주사로 환자가 맞았다면?

만약 하루에 한번씩 투약을 했다면? 같은 가정에 대한 답을 simulation을 통해 내어 놓을 수 있게 되겠죠.

수식을 통해 예측을 하는 것과 같다고 생각하시면 될 것 같습니다.

 

 

simulation의 예시로 앞선 경구투여 모델을 가지고 정맥주사 시 어떻게 변화가 될지 예측하는 그래프입니다.

잘 예측을 한다는 것을 볼 수 있겠죠?

 

이렇게 PK뿐만아니라 PD에서도 활용이가능합니다.

이러한 방식을 활용한 약물 개발 과정을 MIDD(model Informed drug development)라고 하며,

기존의 데이터를 활용하고 그 데이터를 이용한 PK/PD relationship을 구축하여 약물의 특성을 알고만 있다면 추후 약물 개발단계에서 활용하거나 적응증을 넓히거나 renal impariment환자와 같은 특수한 환자에서의 약물의 작용을 임상시험 없이 예측을 할 수 있기 때문에 FDA와 제약회사에서도 많은 관심을 가지고 있는 분야입니다.

 

이렇게 계량약리학에서는 약물에 대한 반응을 예측하여 이상반응을 줄이거나

기대하는 반응값을 보기 위해서 용량을 얼마나 줄 지 등 다양하게 활용이 됩니다.

borad하게 실제 임상에서 환자의 투약 주기나 치료효과를 가지고 약물의 dose-response를 추론(KPD)하기도 합니다.

 

 

현재 pharmacometircs분야는 기본 PK, PD를 넘어 생리학적 관점으로 들어가 약물의 특성을 확인하는 분야 (PBPK),

더 생물학적 관점으로 들어가 cell을 관찰하는 분야(QSP), 더 임상적으로 RWD를 활용한 모델링 등 여러 관점에서 확장을 하고 있습니다.